Tutkitaan: Tekoälyn hyödyntäminen teknologiametallien kiertotaloudessa
RoboAI Green -osakokonaisuus keskittyy sähköistyvän yhteiskunnan materiaalien kiertotalouden edistämiseen. SAMKissa kehitetty laser-spektroskopialaitteisto ampuu voimakkaan lasersäteen analysoitavaan kappaleeseen, jolloin tutkittava materiaali höyrystyy. Muodostuva mikroplasma lähettää ultraviolettivaloa, jonka spektri sisältää tietoa materiaalin alkuainekoostumuksesta. Spektrien analysointi on tyypillisesti vaativaa ja aikaa vievää asiantuntijatyötä. RoboAI Green -hankkeessa hyödynnetään SAMKin vahvaa tekoälyosaamista ja tutkitaan, voisiko tekoäly korvata asiantuntijan spektrien analysoinnissa.
Neuroverkot ovat yksi tekoälyn muoto, joiden kehittämisessä on pyritty matkimaan aivojen toimintaa. Järjestelmä pystyy oppimaan kuinka monimutkaiset ilmiöt toimivat, kunhan vain kouluttamiseen on tarpeeksi dataa. Laser-spektroskopian (LIBS) avulla pystytään nopeasti ja ilman näytteen valmistelemista analysoimaan tutkittavan materiaalin alkuaineet ja niiden pitoisuudet.
Neuroverkon kouluttamisessa tarvitaan suuri määrä erilaisen alkuainekoostumuksen omaavia näytteitä. SAMKissa kehitetyllä laitteistolla dataa pystytään keräämään hyvinkin nopeasti, mutta haasteeksi on muodostunut erilaisten näytteiden saatavuus. Helposti saatavilla olevat materiaalit ovat tasalaatuisia ja standardoituja, jonka vuoksi alkuaineiden pitoisuudet materiaaleissa ovat usein samankaltaisia. Parhaassa tapauksessa käytössämme olisi näytteitä, joissa olisi esim. 10% kuparia ja 90% sinkkiä tai 20% kuparia ja 80% sinkkiä, ja niin edelleen.
Edellä kuvattuun haasteeseen on kehitetty ratkaisua hyödyntämällä National Institute of Standards and Technologyn (NIST) osin mitattuun ja osin laskennalliseen dataan perustuvaa tietokantaa. Tietokanta sisältää LIBS spektrien tiedot yleisimmistä alkuaineista. NIST-datan avulla on helposti luotavissa teoreettisia alkuaineyhdistelmiä kaikilla eri pitoisuuksilla ja näin muodostettavissa “synteettisiä spektrejä”. Näissä pitoisuudet voivat olla mitä tahansa ja millä tarkkuudella tahansa. SAMKissa kehitetyn menetelmän avulla olemme generoineet pienestä määrästä fyysisiä ja NIST-datanäytteitä massiivisen datamäärän synteettisiä spektrejä.
Yleisesti spektroskopiaan perustuvat analysaattorit kalibroidaan eri alkuaineille “käsityönä”. Tämä on vaativaa ja aikaa vievää, eikä ole hyödynnettävissä muille kuin kalibroiduille aineille. Riittävällä datamäärällä neuroverkon on mahdollista oppia tunnistamaan jopa kaikkien alkuaineiden spektrit. Tällöin käsityönä tehtävää kalibrointia ei tarvittaisi ja laitteiden käytettävyys monipuolistuisi. Neuroverkko pystyy suorittamaan miljoonia erilaisia vertailuja, laskelmia ja “päätelmiä”, joihin yksikään asiantuntija ei mitenkään voi pystyä. Toisaalta työssä pitää olla tarkkana, sillä neuroverkon “logiikka” poikkeaa oleellisesti ihmisen järjen juoksusta.
RoboAI Greenissä kehitettävä LIBS-laitteisto mahdollistaa teollisuudelle uuden tyyppisen, nopean ja reaaliaikaisen laaduntarkkailumahdollisuuden. Satakunnan teknologiametalliteollisuus on osoittanut merkittävää kiinnostusta kehittämäämme laitteistoa kohtaan.
Tiesitkö tämän?
- Mallien laskemisessa on käytetty 600 000 erilaista alkuaineyhdistelmää, jos näytteet olisivat kännykän kokoisia, olisi niitä yhteensä 50 000 litraa ja ne painaisivat noin 250 tonnia.
- Tutkimus on osa “teknologiametallien kiertotalouden osaamiskeskittymä” - hanketta, jota toteutetaan yhteistyössä Prizztech Oy:n kanssa.
- Yllä oleva kuva ei ole todellinen valokuva, vaan DALL-E tekoälyn (https://labs.openai.com) generoima visio aiheesta “Metal and battery recycling”.